Es tracta d’una eina interactiva que analitza per separat totes les causes possibles de mort (agrupades en 102 categories) en els 8.116 municipis espanyols, i permet estudiar de forma combinada si existeixen diferències geogràfiques, en el temps i per sexe.

La informació aportada per aquesta nova eina, construïda a partir de programari lliure, “té un gran valor per a la prevenció, ja que els mapes reflecteixen la distribució dels factors de risc que incideixen en les causes estudiades”, comenta Martínez Beneito.

Bussejar pels mapes generats revela, per exemple, que a València capital el risc de casos de càncer de laringe en homes és un 11% inferior a la resta d’Espanya. A Alacant ciutat és un 17% inferior i a Castelló de la Plana la dada és equivalent a la resta d’Espanya.

En total, s’han analitzat 9,5 milions de defuncions en el període comprès entre 1989 i 2014. L’atles beu de les bases de dades de l’Institut Nacional d’Estadística (INE), però, a diferència d’aquestes, permet una anàlisi geogràfica bastant més desagregada (a nivell municipal) i la visualització de la informació de forma temporalment dinàmica.

Una altra de les novetats de l’atles és que el personal investigador ha aplicat en tots els càlculs models de suavització (el risc en cada municipi hauria de ser similar al dels seus municipis veïns) per a aconseguir resultats rigorosos. Això és especialment rellevant en els municipis amb una baixa densitat de població, que d’una altra forma llançarien resultats desficaciats. Per aquest motiu, els investigadors destaquen que l’atles permet conèixer amb rigor estadístic les causes de mort fins i tot a l’Espanya buidada on la quantitat d’informació disponible és bastant escassa.

Combinant tots aquests factors s’aconsegueix una important quantitat de dades molt desagregades, small data en paraules del responsable del projecte tot i ell gran volum (big data) de la base de dades.

Resultats significatius a nivell nacional

L’atles revela, a més, que les zones rurals tenen una mortalitat bastant més baixa que les zones urbanes excepte en causes de mort per osteoporosi i fractures en dones o accidents de trànsit. L’eina evidencia també que la mortalitat per sida ha passat de ser fonamentalment urbana al principi dels 90 a tindre una presència molt més destacada en zones d’Espanya amb menor renda.

Altres resultats cridaners que llança l’atles són que les zones costaneres amb presència residencial del nord d’Europa mostren patrons particulars (major risc de mortalitat per càncer de pulmó en dones o una disminució temporal mantinguda del risc d’infart al llarg del període d’estudi) o que la diabetis presenta un clar patró ascendent del risc del nord cap al sud.

Per a certes causes de mortalitat, l’atles evidencia evolucions temporals singulars en diferents localitzacions geogràfiques, com per exemple en tumor d’encèfal o hepatitis víriques. A més, algunes causes presenten tendències clarament ascendents al llarg del període d’estudi. És el cas, per exemple, de la síndrome mielodisplàstica, que duplica la seua taxa de mortalitat al llarg del període d’estudi i presenta evolucions diferents en diferents localitzacions geogràfiques.

Les causes de mortalitat que presenten majors diferències geogràfiques són generalment aquelles més inespecífiques com, per exemple, senilitat i aturada cardíaca (les dues malalties amb majors diferències geogràfiques).

Programari lliure i treball en equip

L’atles és fruit de diversos mesos de treball del grup d’investigació Bayensians de la Fundació Fisabio i la Direcció General de Salut Pública i Addiccions de la Generalitat Valenciana i, en part, s’ha finançat amb ajudes de Fisabio i l’Institut de Salut Carles III en la seua Convocatòria 2016 de l’Acció Estratègica en Salut 2013-2016 Modalitat Projectes d’Investigació en Salut (PI16/01004). En l’actualitat, el projecte busca noves fonts de finançament tant per a explotar tota la informació que aporta com per a continuar nodrint-ho amb noves dades i garantir la seua continuïtat.

Tot el programari emprat per a dibuixar l’atles és lliure i la informació que aporta té gran valor per a orientar les polítiques sanitàries: per exemple, per a identificar àrees geogràfiques amb indicadors de salut desfavorables i, una vegada elucidades les causes, dissenyar i posar en marxa mesures correctores.